Vorlesen

Toolkits for User Innovation and Design als Problemlösungsassistenten: Wie man Kunden effektiv in den Produktentwicklungsprozess einbindet

Wintersemester 2006/07

Executive Summary

1. Zusammenfassung

Die Idee, Kunden in den Neuproduktentwicklungsprozess zu integrieren, hat sich in der Wirtschaftspraxis während der letzten Jahre gut bewährt. Als ein besonders effektives Mittel zur Umsetzung dieser Forderung haben sich Toolkits for User Innovation and Design erwiesen. Doch nicht immer funktioniert dieser Ansatz ganz einwandfrei. 

Die Ergebnisse der vorliegenden Studie zeigen, dass der Erfolg des Toolkit-Ansatzes sehr stark durch die Ausgestaltung des jeweiligen Toolkits bestimmt ist. Vor allem ungeübten Usern kann durch die Implementierung geeigneter Funktionen im Toolkit der Einsatz effektiver Problemlösungsstrategien, so genannter Expertenheuristiken, ermöglicht werden. Dies ist notwendig, um dem kognitiv sehr anspruchsvollen Prozess des Gestaltens eines individualisierten Produkts etwas von seiner Komplexität zu nehmen. Denn nur, wenn der User nicht mit dem Designen seines Produktes überfordert ist, kann das volle Potenzial des Toolkit-Ansatzes ausgeschöpft werden. 

2. Einleitung und theoretischer Hintergrund 

Seit den 1970igern hat sich die Rolle des Kunden in vielen Branchen dramatisch verändert. Der passive Konsument/die passive Konsumentin, dem/der ein mehr oder weniger gut auf seine/ihre individuellen Bedürfnisse abgestimmtes Produkt vorgesetzt wird, ist Vergangenheit. Heute kommt dem Kunden/der Kundin eine viel aktivere Rolle zu (von Hippel, 1978): Innovationen in der Kommunikationstechnologie und neue Fertigungstechniken machen es möglich, dass Kunden/Kundinnen über online-basierte Tools selbst individualisierte Produkte gestalten und damit quasi zu Produktentwicklern/Produktentwicklerinnen werden. Die Instrumente, die in einem solchen Setting zum Einsatz kommen, heißen Toolkits for User Innovation and Design.  

Der Toolkit-Ansatz birgt viele potentielle Vorteile in sich: Da sich die User – also Kunden/Kundinnen, die Toolkits nutzen – ihre Produkte selbst gestalten, entsprechen diese in der Regel viel eher ihren individuellen Bedürfnissen als Standardprodukte. Es überrascht daher nicht, dass User für selbst designte Produkte bis zu 100% mehr als für technisch vergleichbare Standardprodukte zu zahlen bereit sind, wie zahlreiche empirische Studien belegen. Trotz dieser Vorteile von Toolkits, die sich nicht nur im Rahmen wissenschaftlicher Projekte, sondern auch im Einsatz in der Praxis gezeigt haben, ist der Toolkit-Ansatz nicht immer ganz unproblematisch. Wie einige Fälle zeigen, sind die User manchmal mit ihrer neuen Rolle überfordert. Die Wiener Firma Edelwiser zum Beispiel, die sich auf den Vertrieb individualisierter Carving-Ski spezialisiert hat, machte die Erfahrung, dass das Designen eines Skis für ungeübte User oftmals ein nicht zu unterschätzendes Problem darstellt. Das Gestalten eines Produktes ist für viele User eine neue Aufgabenstellung, deren „Lösung“ in der Regel eine gewisse kognitive Anstrengung erfordert. Während professionelle Produktentwickler/Produktentwicklerinnen oder Designer über gute Strategien zur Lösung solcher Designprobleme verfügen, fehlen ungeübten Usern solche bewährten Problemlösungsstrategien (im Folgenden „Expertenheuristiken“ genannt). Nicht jeder User ist auch ein Experte/eine Expertin in Designfragen und schafft es ohne weiteres, mit Hilfe eines Toolkits ein Produkt so gut zu gestalten, dass er es auch zu kaufen bereit wäre. Ausgehend von dieser Beobachtung wurde im vorliegenden Forschungsprojekt untersucht, wie Toolkits for User Innovation and Design optimalerweise ausgestaltet sein sollten, um ungeübten Usern (im Folgenden „Novizen“ genannt) den Einsatz effektiver Expertenheuristiken beim Designen zu ermöglichen und sie dadurch im Self-Design-Prozess bestmöglich zu unterstützen.  

Obwohl Toolkits in der Praxis bereits weit verbreitet sind, gibt es bisher kaum empirisch fundierte Erkenntnisse oder Richtlinien zu deren Gestaltung. Die bestehende Literatur gibt zwar mehr oder weniger detaillierte Hinweise, welche Elemente Toolkits for User Innovation and Design enthalten sollten (von Hippel/Katz, 2002; Randall/Terwiesch/Ulrich, 2005) bzw. worauf es bei der Gestaltung von User Interfaces ganz generell ankommt (Gold/Lewis, 1985), die meisten dieser konzeptionellen Beiträge bleiben es aber schuldig, die Effektivität der vorgeschlagenen Maßnahmen zu belegen. Darüber hinaus werden Self-Design-Prozesse immer noch eher als Auswahl- und weniger als Problemslösungsprozesse betrachtet (Huffmann/Kahn, 1998; Dellaert/Stremersch, 2005), weshalb die Frage, wie man den Einsatz von Expertenheuristiken auch bei ungeübten Usern fördern könnte, bisher unbeantwortet blieb. 

Die Forschungsfragen und Hypothesen im vorliegenden Projekt 

Das vorliegende Forschungsprojekt setzt genau an diesen Punkten an: In einem groß angelegten Experiment wurden verschiedene Varianten ein und desselben Toolkits, die sich jeweils nur durch eine bestimmte Funktionalität voneinander unterschieden, empirisch auf ihre Wirkung hin getestet. Ziel war es, die beiden folgenden Forschungsfragen zu beantworten:  

  • Kann der Einsatz unterschiedlicher Expertenheuristiken durch Stellschrauben, also bestimmte Funktionen eines Toolkits, gefördert werden?  

  • Welchen Effekt hat der Einsatz von Expertenheuristiken auf die Zufriedenheit mit dem Output von Self-Design-Prozessen?

Die im Rahmen dieses Projekts untersuchten Expertenheuristiken wurden auf Basis der Ergebnisse einer bereits im Vorjahr durchgeführten explorativen Studie des Lehrstuhls für Entrepreneurship und Innovation ausgewählt. Konkret ging es um die folgenden Problemlösungsstrategien: 

  • Use of Starting Points
    Zahlreiche Studien zeigen, dass professionelle (Mode-)Designer „das Rad nicht neu erfinden“, wenn sie neue Entwürfe machen. Vielmehr werden beim Entwickeln neuer Designs oftmals bestehende Designs kreativ abgewandelt, verändert oder einfach nur als Inspirationsquellen und Ideenlieferanten herangezogen (Eckert/Stacey, 1998; Chi et. al., 1988). Während professionelle Designer aufgrund ihrer jahrelangen Erfahrung auf einen umfassenden Fundus an eigenen oder fremden Designs und Designelementen zurückgreifen können, fehlt ungeübten Toolkit-Usern dieser Vorteil, was sich negativ auf den Erfolg des Self-Design-Prozesses auswirkt.
    Ein Weg, um auch Novizen den Einsatz der Expertenheuristik „Use of Starting Points“ zu ermöglichen, ist der Einbau einer so genannten Advanced Module Library (Stellschraube 1) in das Toolkit. Bei der Advanced Module Library handelt es sich um eine Art Galerie, in der bereits qualitativ sehr hochwertige und komplexe Designs vorhanden sind. Diese vorgefertigten, bearbeitbaren Designs werden dem User des Toolkits als mögliche Startpunkte für den eigenen Designprozess zur Verfügung gestellt. Diese Startpunkte kommen ungeübten Usern in zweifacher Hinsicht zugute: Einerseits ermöglichen sie es dem User, bereits mit einem guten Design zu starten und dieses nur – den eigenen Bedürfnissen entsprechend – anzupassen. Da sich der User also nur noch auf bestimmte Aspekte des Designs konzentrieren muss, wird der gesamte Designprozess wesentlich weniger komplex. Andererseits können die Startpunkte als Inspirationsquellen dienen, was den Designprozess ebenfalls vereinfacht. Die Advanced Module Library ersetzt für ungeübte Toolkit-User also die fehlende Erfahrung, auf die DesignexpertInnen zurückgreifen können, und fördert so den Einsatz der Heuristik „Use of Starting Points“ im Rahmen von Designprozessen. 
    Aus dem gerade gesagten ergeben sich die ersten beiden Hypothesen, die im Rahmen des vorliegenden Projekts getestet wurden:

    H1:
    Toolkits mit einer Advanced Module Library führen zu einer stärkeren Verwendung der Heuristik „Use of Starting Points” als Toolkits ohne Advanced Module Library.
    H2: Je intensiver die Heuristik „Use of Starting Points” verwendet wird, desto 
      a) höher ist die Zufriedenheit mit dem selbst designten Produkt. 
      b) höher ist die Zahlungsbereitschaft für das selbst designte Produkt.

  • Save Design 
    Eine Heuristik, die ebenfalls regelmäßig von professionellen Designern eingesetzt wird und in Designprozessen eine wichtige Rolle spielt, ist das Abspeichern von zufrieden stellenden Designvarianten und Zwischenlösungen. Da ExpertInnen im Zuge von Designprozessen oft verschiedenste Alternativen ausprobieren, speichern sie gute Zwischenlösungen ab, um später möglichst problemlos auf diese früheren Versionen zurückkommen und mit ihnen weiterarbeiten zu können (Newell/Simon, 1972). Während die Grafikprogramme, mit deren Hilfe Professionisten arbeiten, allesamt über Speicherfunktionen verfügen, weisen die meisten Toolkits heute keine solche Funktion auf.
    Indem man Toolkit-Usern nun die Möglichkeit gibt, ihre Entwürfe während des Designprozesses abzuspeichern (Stellschraube 2), vermindert man die Komplexität des Self-Design-Prozesses. User müssen sich gute Zwischenversionen nicht mehr merken, sondern können sie quasi extern (im Storage Room des Toolkits) ablegen und später darauf zurückkommen. Dies reduziert den kognitiven Aufwand, mit dem Novizen während des Designprozesses konfrontiert sind.
    Aus diesen Überlegungen ergaben sie die nächsten beiden zu testenden Hypothesen:

    H3: Toolkits mit Storage-Room führen zu einer stärkeren Verwendung der Heuristik „Save Design” als Toolkits ohne Storage Room.
    H4: Je intensiver die Heuristik „Save Design” verwendet wird, desto
       a) höher ist die Zufriedenheit mit dem selbst designten Produkt. 
       b) höher ist die Zahlungsbereitschaft für das selbst designte Produkt.

  • Use of external Feedback
    Designprobleme sind unstrukturierte Probleme, dh, zu Beginn des Designprozesses besteht Unsicherheit darüber, wie man gute Endlösungen (also fertige Designs) erreichen kann und wie diese aussehen werden. Für Designprobleme gibt es nicht „die eine, richtige Lösung“, deshalb versuchen DesignexpertInnen wie professionelle Designer oder Architekten, diese Unsicherheit zu reduzieren, indem sie externes Feedback zu ihren Designs einholen (Hogarth, 1987). Oftmals werden Designs Kollegen oder anderen ExperteInnen vorgelegt, um so etwaige Verbesserungsvorschläge einzuholen bzw. einfach nur die Unsicherheit über die Qualität des Designs zu reduzieren. 
    Für ungeübte Toolkit-User, die über keine allzu große Erfahrung beim Lösen von Designproblemen verfügen, spielt die für Designprozesse typische Unsicherheit eine noch viel größere Rolle. Da Novizen oftmals selbst nicht abschätzen können, wie gut ihr Design tatsächlich ist und sie auch nur eingeschränkte Möglichkeit haben, externes Feedback von kompetenten Personen einzuholen, bleibt in Self-Design-Prozessen für die Toolkit-User oftmals hohe Unsicherheit über die Qualität des selbst designten Produktes bestehen. Diese Unsicherheit wirkt negativ auf die Zufriedenheit mit dem Produkt und in der Folge auf die Zahlungsbereitschaft. Aus diesem Grund scheint es wichtig, Toolkit-Usern das Einholen von externem Feedback zu ermöglichen. Ein Weg dazu ist, den Toolkit-Usern die Möglichkeit zu bieten, ihre Designs anderen Toolkit-Usern zu präsentieren und von diesen bewerten zu lassen. Die Anbindung des Toolkits an eine größere User Community (Stellschraube 3) scheint daher ein wichtiger Aspekt zu sein, woraus sich die letzten beiden Hypothesen des vorliegenden Projekts ergeben:

    H5: Toolkits mit Anschluss an eine User Community führen zu einer intensiveren  Verwendung der Heuristik „Use of external Feedback” als Toolkits ohne Anschluss an eine User Community.
    H6: Je intensiver die Heuristik „Use of external Feedback” verwendet wird, desto
       a) höher ist die Zufriedenheit mit dem selbst designten Produkt. 
       b) höher ist die Zahlungsbereitschaft für das selbst designte Produkt. 

3. Forschungsdesign 

Um die gerade beschriebenen Hypothesen überprüfen zu können, wurde ein umfassendes Experimentalsetting als geeignetes Untersuchungsdesign ausgewählt. Bevor mit den Vorbereitungen des Experiments begonnen werden konnte, musste in einem ersten Schritt das Untersuchungsfeld festgelegt werden. 

3.1. Untersuchungsfeld 

Um die oben genannten Hypothesen sinnvoll prüfen zu können, musste zunächst ein passendes Untersuchungsfeld gefunden werden. Bei der Wahl des Untersuchungsfeldes spielte die folgende Überlegung die bedeutendste Rolle: Es sollte sich um eine Produktkategorie handeln, in der die Möglichkeit, ein individualisiertes Produkt mittels Toolkit zu designen, noch relativ neu ist. Dies war wichtig, um die späteren Probanden, also die potenziellen Toolkit-User, mit einem für sie wirklich neuen Designproblem zu konfrontieren. Denn nur, wenn es sich bei den Toolkit-Usern um echte Novizen in diesem Bereich handelt, kann der Effekt der oben genannten Toolkit-Funktionen (Stellschrauben) auf den Einsatz von Expertenheuristiken und auf Produktzufriedenheit und Zahlungsbereitschaft gezeigt werden. 

Darüber hinaus sollte das Untersuchungsfeld in einer Produktkategorie angesiedelt sein, in der das Design zu den aus Kundensicht wichtigsten Produkteigenschaften zählt und funktionale Aspekte eher im Hintergrund stehen. Damit ist gewährleistet, dass im Rahmen des Produktentwicklungsprozesses ein echtes Designproblem gelöst werden muss.
Zuletzt sollte die gewählte Produktkategorie für den durchschnittlichen Österreicher auch eine gewisse Bedeutung haben. Eine gewisse Affinität zum Produkt war wichtig, um sicherzustellen, dass potenzielle Probanden beim Designprozess auch ein gewisses Anstrengungsniveau in Kauf nehmen und den Prozess nicht abbrechen würden. 

Aufgrund all dieser Überlegungen kristallisierte sich sehr schnell das Untersuchungsfeld „Individualisierte Ski“ heraus, das die oben genannten Kriterien gut erfüllt. Als Kooperationspartner konnte die Firma Edelwiser gewonnen werden, die auf den Vertrieb individualisierter Carving-Ski spezialisiert ist. 

3.2. Stichprobe 

Bei den Probanden sollte es sich um Personen handeln, die erstens eine Affinität zum Produkt „Carving Ski“ generell hatten und zweitens vor allem dem Design von Skiern hohe Bedeutung beimaßen. Gleichzeitig durften die TeilnehmerInnen am Experiment aber keine professionellen Designer oder Personen sein, die bereits Erfahrung im Designen von Skiern gesammelt hatten. Diese Anforderungen waren im Hinblick auf die interne Validität des Experiments von höchster Bedeutung. Deshalb wurde ihre Erfüllung sehr umfassend durch den Einsatz von Selbstselektionsmechanismen bei der Ansprache potenzieller Probanden und das Abfragen von bestimmten Kontrollvariablen sichergestellt. 

Auch für die externe Validität des Experiments war es wichtig, junge, urbane und designaffine Personen als TeilnehmerInnen für das Experiment zu gewinnen, da diese Personengruppe dem angepeilten Kundensegment der Firma Edelwiser entspricht. Aus diesem Grund wurde die Möglichkeit zur Teilnahme am Experiment über E-Mails, Postings in Foren und Aushänge an allen Wiener Universitäten bekannt gemacht.  

Insgesamt nahmen 205 Personen an dem Experiment teil. Das Sample setzt sich wie folgt zusammen:

Sample  
Alter (Mittelwert)
[Std.Abw.]
23,9
[4,99]
Geschlecht 55,6% männlich
44,4% weiblich

  Tabelle 1: Beschreibung des Samples 

3.3. Untersuchungsdesign im Detail 

Das im Rahmen dieses Projekts durchgeführte Experiment umfasste zwei Teile: Im ersten Teil des Experiments wurde allen 205 Probanden die Aufgabe gestellt, mithilfe eines Toolkits für sich selbst einen Carving-Ski zu designen. Gleichzeitig wurde den Probanden mitgeteilt, dass sie auch zur Teilnahme an einem Gewinnspiel berechtigt seien, in dessen Rahmen 7 Probanden ihre selbst designten Carving-Ski gewinnen könnten. Dadurch sollte eine ernsthafte Teilnahme am Experiment sichergestellt werden. 

Zuvor waren die Probanden zufällig zu einer von vier Experimentalgruppen zugelost worden. Für jede der 4 Gruppen stand eine spezielle Variante ein und desselben Toolkits zur Verfügung; die vier Toolkit-Varianten unterschieden sich jeweils nur hinsichtlich der Existenz der oben beschriebenen Stellschrauben voneinander: 

  • Kontrollgruppe: Usern in der Kontrollgruppe stand nur die Basisversion des Toolkits zur Verfügung. Sie hatten also weder die Möglichkeit, Startpunkte zu nutzen, Designs abzuspeichern noch externes Feedback einzuholen. 

  • Experimentalgruppe 1: Usern der Experimentalgruppe 1 stand eine um die Advanced Module Library erweiterte Version des Toolkits zur Verfügung. Sie hatten eine Auswahl von 28, qualitativ hochwertigen Skidesigns, die sie - falls gewünscht – als Inspirationsquellen oder als Startpunkte ihres Designprozesses nutzen konnten. 

  • Experimentalgruppe 2: Usern der Experimentalgruppe 2 stand ein Toolkit mit Speicherfunktion zur Verfügung. Sie konnten also beliebig viele Designs in einem Storage Room speichern und diese bei Bedarf später weiter bearbeiten. 

  • Experimentalgruppe 3: User der Experimentalgruppe 3 erhielten ein Toolkit, dass sowohl über Startpunkte (Advanced Module Library) als auch eine Speicherfunktion (Storage Room) verfügte. Diese Gruppe wurde bewußt in das Experiment aufgenommen, um Wechselwirkungen zwischen den ersten beiden Stellschrauben untersuchen zu können. 

Die vierte Stellschraube, der Anschluss des Toolkits an eine Community zum Einholen von externen Feedbacks, konnte in diesem ersten Teil des Experiments nicht getestet werden. Um die Wirkung der Heuristik „Use of external Feedback“ testen zu können, mussten den Probanden ja erst einmal Feedbacks von erfahrenen Usern zu ihren Designs gegeben werden. 

Aus diesem Grund wurde Teil 2 des Experiments durchgeführt. Die Probanden aus der Experimentalgruppe 3 wurden nach dem Designprozess gebeten, drei Tage später nochmals zu erscheinen. Bei diesem zweiten Termin erhielten sie die Möglichkeit, ihre Skidesigns zu überarbeiten. Während die eine Hälfte der Probanden vor dem Start des neuerlichen Designprozesses jeweils drei Feedbacks mit Verbesserungsvorschlägen und einer Einschätzung der Qualität des Designs zur Verfügung gestellt bekamen, musste die andere Hälfte der Probanden bei der Überarbeitung ihres Skidesigns ohne Feedback auskommen. Wichtig ist zu erwähnen, dass der ersten Gruppe die Feedbacks nur angeboten wurden; es oblag den Probanden zu entscheiden, ob sie das Feedback nutzen wollten oder nicht. Aus dem Vergleich dieser beiden Gruppen sollte geschlossen werden, ob das Angebot der Möglichkeit zum Einholen externen Feedbacks gerne genutzt wird und dieses Feedback auch tatsächlich zu besseren Endprodukten und einer höheren Zahlungsbereitschaft führt. Die Abbildung 1 enthält einen zusammenfassenden Überblick über das Experimentaldesign:

[Abb. vgl. unten]

Abbildung 1: Darstellung des Experimentalsettings 

Nach dem Designprozess – sowohl im ersten als auch im zweiten Teil des Experiments – bekamen die Probanden auch noch einen Fragebogen vorgelegt, um Erkenntnisse über die Anwendung der jeweiligen Expertenheuristiken gewinnen zu können. Außerdem wurden die Probanden darüber hinaus hinsichtlich ihrer Zufriedenheit mit dem selbst designten Ski (Preference Fit, 4 Items, α = 0,764) und ihrer Zahlungsbereitschaft für das Design des Skis (WTP als Differenz der hypothetischen Zahlungsbereitschaft für den selbst designten Ski und der Zahlungsbereitschaft für einen weißen Ski) befragt. 

4. Ergebnisse 

Die Tabellen 2 und 3 fassen die Ergebnisse des im Rahmen dieses Kurses durchgeführten Experiments zusammen. Während die Ergebnisse für Teil I des Experiments zum Zeitpunkt des Redaktionsschlusses dieses Berichts bereits vollständig vorlagen, können für den zeitlich nachgelagerten zweiten Teil des Experiments an dieser Stelle nur vorläufige Ergebnisse präsentiert werden. 

Die nachfolgende Tabelle 2 fasst jene Ergebnisse zusammen, die zur Beantwortung der ersten Forschungsfrage (Prüfung der Hypothesen 1, 3 und 5) herangezogen werden können. Mithilfe von ANOVAs wurde ermittelt, ob es zwischen den Experimental- und Kontrollgruppen im Einsatz von Expertenheuristiken statistisch signifikante Unterschiede gab.

    Use of Starting Points1 (Mittelwert)
[Std.Abw.]
Save Design2 (Mittelwert)
[Std.Abw.]
Use of external Feedback3 (Mittelwert)
[Std.Abw.]
Kontrollgruppe 1
(Basis-Toolkit)
45 5,49
[1,12]
4,68
[1,73]
 
Experimentalgruppe 1
(Toolkit mit Advanced
Module Library)
43 4,77
[1,76]
4,85
[1,45]
 
Experimentalgruppe 2
(Toolkit mit Speicher-
funktion)
42 5,93
[0,98]
3,86
[1,95]
 
Experimentalgruppe 3
(Toolkit mit Advanced
Module Library und Speicherfunktion)
66 4,97
[1,63]
4,31
[2,07]
 
Experimentalgruppe 4
(mit externem Feedback)
21     2,18
[2,07]
Kontrollgruppe 2
(ohne externem Feedback)
23     6,17
[2,07]
insgesamt   p < 0,014
[F=5,972]
n.s.4
[F=10,407]
p < 0,0014
[F=116,04]

1 = 7-Punkt-Rating-Skala (4 Items, 1= Heuristik sehr stark eingesetzt, 7 = Heuristik kaum eingesetzt)
2 = 7-Punkt-Rating-Skala (2 Items, 1= Heuristik sehr stark eingesetzt, 7 = Heuristik kaum eingesetzt)
3 = 7-Punkt-Rating-Skala (5 Items, 1= Heuristik sehr stark eingesetzt, 7 = Heuristik kaum eingesetzt)
4 = ANOVA
 
Tabelle 2: Ergebnisse 'Wirkung von Stellschrauben auf den Einsatz von Expertenheuristiken'

Wie die Ergebnisse zeigen, konnte für zwei von drei Stellschrauben ein signifikanter Einfluss auf den Einsatz von Expertenheuristiken nachgewiesen werden. Jene Probanden, die beim Designprozess auf eine Advanced Module Library zugreifen konnten, zeigten einen wesentlich stärkeren Einsatz der Heuristik „Use of Starting Points“ als solche Probanden, die diese Funktionalität nicht nutzen konnten. Die User in der Experimentalgruppe 1 orientierten sich demnach viel stärker an bestehenden Designs und Inspirationsquellen als die User der Kontrollgruppe. Die Hypothese H1 kann daher als vorläufig bestätigt angesehen werden. Gleiches gilt für H5: Die Probanden in der Experimentalgruppe 4, denen vor dem Überarbeiten ihres Skis Feedback angeboten wurden, setzten die Heuristik „Use of external Feedback“ sehr viel stärker als die Probanden aus der Kontrollgruppe 2 (kein Feedback erhalten) ein. Während erstere in hohem Ausmaß Meinungen anderer bei der Überarbeitung ihres Skis berücksichtigten, holten letztere kaum anderen Meinungen zur Qualität ihres Designs ein. 

Einzig Hypothese H3 musste im Rahmen dieses ersten Experiments verworfen werden. Die Ergebnisse zeigen, dass es bei der Heuristik „Save Design“ keinen signifikanten Unterschied zwischen den Gruppen, die Toolkits mit, und jenen, die Toolkits ohne Speicherfunktion hatten, gibt. Das heißt, dass alle Probanden (unabhängig von der Möglichkeit des Zwischenspeicherns) ähnlich viele Alternativdesigns entwickelt haben bzw. im gleichen Maße immer wieder zu früheren Versionen zurückgekehrt sind. 

Neben der Wirkung der Stellschrauben auf den Einsatz von Expertenheuristiken sollte im Rahmen des Projekts auch untersucht werden, ob diese Heuristiken – wie angenommen – positiv auf die Zufriedenheit mit dem Produkt und damit in Zusammenhang auf die Zahlungsbereitschaft wirken. Tabelle 3 fasst die diesbezüglichen Ergebnisse zusammen:

  N Preference Fit4
(Beta)
[Sig.Niv.]
Zahlungsbereitschaft5
(Beta)
[Sig.Niv.]
Use of Starting Points1 45 0,43
[p < 0,01]
-0,24
[p < 0,05]
Save Design2 43 0,18
[p < 0,1]
-0,32
[p < 0,05]
Use of external Feedback1 44 n.s. n.s.
insgesamt   p < 0,0014
[F=6,27]
p < 0,054
[F=4,94]

1 = 7-Punkt-Rating-Skala (4 Items, 1=sehr hoch, 7=sehr niedrig)
2 = 7-Punkt-Rating-Skala (4 Items, 1=sehr hoch, 7=sehr niedrig)
3 = 7-Punkt-Rating-Skala (4 Items, 1=sehr hoch, 7=sehr niedrig)
4 = 7-Punkt-Rating-Skala (4 Items, 1=sehr hoch, 7=sehr niedrig)
5 = gemessen in EUR als Differenz der Zahlungsbereitschaften für einen weißen und dem selbst designten Ski
 
Tabelle 3: Ergebnisse 'Wirkung von Expertenheuristiken auf Produktzufriedenheit und Zahlungsbereitschaft

 Wie man aus Tabelle 3 erkennen kann, konnten auch hier zwei von drei Hypothesen (H2 und H4) vorläufig angenommen werden. Sowohl der Einsatz der Expertenheuristik „Use of Starting Points“ als auch jener der Heuristik „Save Design“ scheint statistisch signifikanten Einfluss auf die Zufriedenheit mit dem selbst designten Produkt und die Zahlungsbereitschaft zu haben. User, die Startpunkte besonders intensiv genutzt und während des Prozesses oftmals zwischengespeichert haben, sind deutlich zufriedener mit ihren Skidesigns und weisen auch eine tendenziell höhere Zahlungsbereitschaft auf. 

Einzig der positive Einfluss des externen Feedbacks auf die beiden abhängigen Variablen konnte (H6) konnte im Zuge dieses Experiments aufgrund der relativ kleinen Stichprobe (noch) nicht gezeigt werden. 

5. Diskussion 

Die Ergebnisse der vorliegenden Untersuchung zeigen, dass ungeübte Toolkit-User, wenn sie bestimmte Problemlösungsstrategien anwenden können, zu wesentlich besseren Ergebnissen kommen und in der Folge auch mehr für ihre selbst designten Produkte zu zahlen bereit sind.  

Darüber hinaus lassen sich aus den gewonnenen Erkenntnissen auch konkrete Gestaltungsmaßnahmen ableiten, die Toolkits zu effektiveren Problemlösungsassistenten machen, indem sie den Usern den Einsatz eben dieser Expertenheuristiken ermöglichen. So konnte gezeigt werden, dass durch das Einführen einer Advanced Module Library in ein Toolkit und dessen Anbindung an eine User Community der Einsatz der Expertenheuristiken „Use of Starting Points“ und „Use of external Feedback“ signifikant erhöht werden konnte. Im Gegensatz dazu scheint eine zusätzliche Speicherfunktion keinen Zusatznutzen zu stiften. Hier liegt allerdings die Vermutung nahe, dass dieses Ergebnis durch das Forschungsdesign beeinflusst ist. Während Self-Design-Prozesse in der Realität vermutlich doch mehrere Stunden in Anspruch nehmen, lag die durchschnittliche Dauer der in diesem Experiment beobachteten Designprozesse bei knapp 50 Minuten. Da in einer so kurzen Zeitspanne keine sehr große Anzahl an verschiedenen Designs entwickelt werden kann, spielt in diesem Setting das Abspeichern von Zwischenlösungen keine allzu wichtige Rolle. Trotzdem zeigt sich, dass mit zunehmender Anzahl abgespeicherten Varianten und Zwischenlösungen die Zufriedenheit mit dem Produkt und die Zahlungsbereitschaft für das eigene Design signifikant zunehmen. 

6. Restriktionen und weitere Forschung 

Eine der wichtigsten Restriktionen wurde bereits in der Diskussion in Kapitel 5 angesprochen. Wie bei jedem Experiment stellt sich auch hier die Frage nach der externen Validität der Erkenntnisse. Da es sich bei der untersuchten Produktkategorie „Carving Ski“ um ein Life Style-Produkt handelt, bei dem das Design eines der wichtigsten Produktattribute darstellt, bleibt die Frage, ob die gewonnenen Ergebnisse auch für solche Produkte Geltung haben, bei denen funktionale Aspekte stärker im Vordergrund stehen.  

Hier könnten ähnliche Studien in anderen Branchen und Produktkategorien wertvolle Ergänzungen und Hinweise auf die Verallgemeinerbarkeit der hier gezeigten Ergebnisse liefern. 

Student Team

  • Hannes Hermann
    Julia Hofmann
    Diane Jenewein
    Martin Kober
    Julia Konecny
    Elisabeth Ludwig
    Oxana Moroz
    Daniela Simhandl
    Peter Vandor

Anhang: Abbildungen